Banco Central de Honduras

Subgerencia de Estudios Económicos

~1~
Departamento de Investigación Económica

IE/DI -02/2017

DETERMINANTES DE LA TASA DE INTERÉS ACTIVA NOMINAL EN

MONEDA NACIONAL EN HONDURAS
Julio Javier Landa R.
Febrero 2017

Lo expresado en este documento es responsabilidad exclusiva del autor y no necesariamente

representa la opinión del Banco Central de Honduras.
RESUMEN

La tasa de interés es el precio del dinero sobre el cual los agentes económicos
toman sus decisiones de ahorro e inversión; adicionalmente, constituye un
elemento fundamental en la determinación de la trayectoria del consumo de la
economía, convirtiéndose por lo tanto en un factor de suma importancia para el
desarrollo y crecimiento económico de cualquier país.

En ese sentido, el presente trabajo trata de encontrar mediante la evidencia

empírica las variables que determinan la tasa de interés activa en moneda
nacional sobre operaciones nuevas en Honduras, para lo cual se utiliza la
metodología econométrica de Mínimos Cuadrados Ordinarios (MICO), siguiendo
el procedimiento de Engle y Granger complementándose con un análisis de datos
de panel. La información utilizada corresponde al período trimestral del 2001:Q4
al 2016:Q2.

De acuerdo con los resultados obtenidos de la estimación los movimientos en la

tasa de interés activa en moneda nacional en Honduras son explicados en el largo
plazo, por la tasa de inflación interna, los gastos administrativos bancarios, el
agregado monetario M1 y los activos líquidos de los bancos. Asimismo, las
variables que más influyen en el comportamiento a corto plazo de la tasa de
interés activa en orden de importancia lo constituyen: la tasa de inflación, el M1,
los gastos administrativos bancarios y la mora crediticia de las instituciones
bancarias. Asimismo, es importante mencionar que, bajo la metodología MICO, el
tipo de cambio nominal y el encaje legal no resultaron significativos como
variables que influyen en las variaciones de la tasa de interés.

Por su parte, la estimación de datos de panel muestra qué: la tasa de inflación, los
gastos administrativos bancarios, los activos líquidos y el agregado monetario M1,
son variables que inciden en el comportamiento de la tasa de interés activa sobre
operaciones nuevas. Adicionalmente, a diferencia de la metodología de Engle y
Granger, el encaje legal aparece como variable que influye en los movimientos en
la tasa de interés, aunque de forma marginal; no así el tipo de cambio que continuó
resultando no significativo.

2
Contenido

I. INTRODUCCIÓN.......................................................................................... 4

II. EVOLUCIÓN DE LAS TASAS DE INTERÉS EN HONDURAS ................ 5

III. MARCO DE REFERENCIA .......................................................................... 7

IV. EVIDENCIA EMPÍRICA .............................................................................. 8

V. METODOLOGÍA, ESTIMACIÓN Y RESULTADOS ................................... 9

VI. CONCLUSIONES ....................................................................................... 20

VII. BIBLIOGRAFÍA .......................................................................................... 21

VIII. ANEXOS ...................................................................................................... 24

3
I. INTRODUCCIÓN

Tradicionalmente se ha considerado a la tasa de interés como el factor de

equilibrio entre la demanda de inversión y el deseo de ahorrar en una economía.
La inversión representa la demanda de recursos necesarios para la creación de
nuevos proyectos, y el ahorro representa la oferta disponible; por su parte, la tasa
de interés es el "precio" de los fondos invertibles al cual se igualan la oferta y
demanda. Así como el precio de una mercancía se fija en el punto en que la
demanda es igual a la oferta, la tasa de interés se determina por el juego de las
fuerzas del mercado en el punto donde la inversión es igual al ahorro a ese mismo
nivel de interés1.

La tasa de interés constituye por lo tanto un elemento de suma importancia dentro

del funcionamiento de cualquier economía, puesto que es la variable determinante
para las decisiones de ahorro e inversión de los agentes económicos. Por ejemplo,
en el caso de los hogares, un aumento en la tasa de interés representa un incentivo
a incrementar sus ahorros y a disminuir su consumo, ya que una tasa de interés
más alta representa mayor ingreso –y, por consiguiente- más consumo futuro. Sin
embargo, desde el punto de vista de las empresas, un mayor nivel de tasa de
interés se convierte en una carga adicional en sus obligaciones financieras y por
ende en sus costos de operación, lo que hará que disminuyan sus proyectos de
inversión, reflejándose posteriormente en una menor producción. En ambos casos,
el resultado es una contracción en la demanda agregada, con sus consecuentes
efectos sobre el crecimiento y el empleo en la economía.

Dado lo anterior, reviste vital importancia conocer cuáles son los factores
determinantes del nivel de las tasas de interés de mercado. Existen amplios
estudios que se han realizado para un gran número de países, en donde se han
identificado diferentes variables macroeconómicas y microeconómicas que afectan
el nivel de las tasas de interés; entre las primeras se mencionan principalmente
la inflación, la tasa de interés internacional, el tipo de cambio, el encaje legal, el
riesgo país, el déficit público; y para las segundas, se señalan aquellas propias del
sistema bancario como ser: la mora crediticia, los gastos administrativos e
indicadores de rentabilidad, solvencia y eficiencia.

1The General Theory of Employment, Interest and Money; The Classical Theory of the Rate of Interest, John Maynard
Keynes.

4
El objetivo del presente trabajo, es encontrar evidencia empírica sobre las
variables que determinan las tasas de interés activas en moneda nacional sobre
operaciones nuevas2 en Honduras. Para realizar las estimaciones, se utilizaron
datos trimestrales del cuarto trimestre del 2001 al segundo trimestre del 20163.

La metodología econométrica se basó en la estimación de una ecuación de largo

plazo mediante MICO, seguidamente se obtuvo la ecuación de corto plazo, en la
cual además del resto de variables explicativas se incluyen los residuos de largo
plazo como mecanismo de corrección de errores. Asimismo, se estimó una ecuación
mediante datos de panel para comparar los resultados obtenidos bajo ambas
metodologías.

El documento está organizado de la manera siguiente: En la II parte se describe

una breve reseña del comportamiento de las tasas de interés en Honduras; en la
III se describe el marco de referencia; en la IV se hace una reseña de la evidencia
empírica; en la V se indica la metodología utilizada y los resultados obtenidos; en
la VI se describen las conclusiones y finalmente la parte VII y VIII se compone de
bibliografía y anexos.

II. EVOLUCIÓN DE LAS TASAS DE INTERÉS EN HONDURAS

En el período bajo análisis, que comprende del cuarto trimestre del 2001 al
segundo trimestre del 2016 (2001:Q4-2016:Q2), el comportamiento de la tasa de
interés activa sobre operaciones nuevas en moneda nacional en la economía
hondureña, ha mostrado una tendencia decreciente, al pasar de 22.9% en marzo
de 2002 a 14.2% en junio de 2016. Este comportamiento ha estado influenciado
por diversos factores tanto a nivel macroeconómico como microeconómico, sumado
a medidas de política monetaria que han sido adoptadas con el objetivo de incidir
en forma favorable sobre la trayectoria de esta variable, acorde al entorno
económico prevaleciente en el tiempo.

Se pueden distinguir varios sub-períodos marcados que ha tenido la tasa de

interés activa en Honduras durante el período analizado, iniciando en 2002 hasta
el 2007, en el cual la tendencia fue totalmente decreciente, llegando a registrarse
hasta 12.6% el nivel más bajo de tasa de interés en el segundo trimestre de 2007;
este comportamiento de las tasas de interés es congruente con el manejo de la
política monetaria implementada por el Banco Central de Honduras (BCH)
durante ese período, mediante el uso adecuado de los diferentes instrumentos
como: las Operaciones de Mercado Abierto (OMA’s) y el establecimiento de una

2 Se eligió la tasa activa sobre operaciones nuevas, ya que es la tasa vigente en el mercado y por lo tanto la que se ve
afectada al modificarse los factores que la determinan.
3 Se seleccionó este período de tiempo debido al programa de mejoramiento y actualización de las estadísticas
macroeconómicas de Honduras, en el cual se implementaron los manuales del SCN93, MBP5 y MEMF que resultó en
nuevas series de las cuentas nacionales, balanza de pagos y cifras monetarias y financieras a partir del 2000.

5
meta operativa para la tasa de interés de corto plazo4, asimismo, favoreció el buen
desempeño económico registrado en esos años. No obstante, a partir del segundo
trimestre de 2007 y hasta el cuarto de 2008, se observa un incremento de 5.9
puntos porcentuales (pp) en la tasa de interés activa nominal, al pasar de 12.6%
a 18.5%, respectivamente, influenciado en gran medida por el alza en la inflación,
la que pasó de 6.2% a 10.8%, en el mismo período, resultado del aumento en los
precios internacionales del petróleo5.

Con el propósito de reducir las presiones inflacionarias generadas por los precios
de los combustibles y de los alimentos, la política monetaria del BCH se vuelve
contractiva, es así que entre agosto de 2007 y julio de 2008 la TPM se incrementa
3.0 pp y la tasa de las Letras del Banco Central de Honduras en Moneda Nacional
(LBCHMN) en 3.17 pp, en similar lapso de tiempo. Estas mayores tasas de interés
de los instrumentos de política monetaria (TPM y de OMA`s) indujeron a que la
tasa de interés del mercado interbancario y la tasa de interés pasiva y activa sobre
operaciones nuevas en moneda nacional del sistema bancario, aumentaran en
3.84 pp, 5.83 pp y 5.92 pp, respectivamente, entre junio de 2007 y diciembre de
2008.

Evolución de las Tasas de Interés 2001-2016

(En porcentajes)
25.0

Activa Pasiva Interbancaria LBCHMN

20.0

15.0

10.0

5.0

0.0
2002Q2 2004Q2 2006Q2 2008Q2 2010Q2 2012Q2 2014Q2 2016Q2

Nota: Se refiere a las tasas de interés activas y pasivas sobre operaciones nuevas, tasa de interés interbancaria y tasa de interés
promedio ponderado mensual de Letras del BCH en moneda nacional, todas a fin de cada trimestre.

En el contexto de la crisis financiera y económica, en 2008 el BCH disminuyó de

forma diferenciada los requerimientos de encaje legal con el objetivo de reactivar
la producción; sin embargo, ante la incertidumbre generada en los mercados de
crédito, al igual que en la mayoría de las economías del mundo, los bancos
hondureños endurecieron sus políticas para el otorgamiento de créditos al
aumentar las tasas de interés activas, dando preferencia a las inversiones en

4 Se refiere a La Tasa de Política Monetaria (TPM), la cual fue instaurada en mayo de 2005 y representa la tasa máxima
permitida para las posturas de compra y la tasa mínima para las posturas de venta, en las subastas de Letras del Banco
Central de Honduras dirigidas exclusivamente a las instituciones del sistema financiero nacional.
5 Según datos de Index Mundi, durante el 2008, se registró el precio del petróleo WTI más alto de los últimos 30 años,
llegando en promedio a US$100.00 por barril.

6
instrumentos públicos (OMA’s del BCH y Bonos del Gobierno); asimismo, se
permitió computar las inversiones obligatorias con bonos del Gobierno, con lo que
a pesar que el encaje disminuía, las tasas de interés activas estaban aumentando.

El período comprendido de enero 2009 hasta abril de 2012 se caracterizó

nuevamente por una tendencia decreciente en las tasas de interés activas sobre
operaciones nuevas, en línea con las menores presiones inflacionarias y la
contracción económica mundial a raíz de la crisis financiera internacional.
Durante 2013 y 2014, a pesar que la TPM se mantuvo inalterada la tasa de interés
activa sobre operaciones nuevas continuó su tendencia descendente, este
comportamiento se acentuó en el 2015 y 2016, impulsado por la baja en la inflación
y los niveles de liquidez en la economía, lo que fue reforzado por una política
monetaria expansiva mediante la reducción de la TPM, que pasó de 7.0% en enero
de 2015 a 5.5% en junio de 2016.

III. MARCO DE REFERENCIA

La tasa de interés es el costo por solicitar préstamos, o bien, el precio pagado por
la renta de fondos (por lo general, expresada como porcentaje de la renta),
influyendo sobre las decisiones personales acerca de consumir o ahorrar, comprar
una casa, comprar bonos, o invertir fondos en una cuenta de ahorros. Las tasas de
interés también afectan las decisiones económicas de las empresas y los hogares,
tales como usar sus fondos para invertir en nuevos equipos para las fábricas, o
bien, ahorrar el dinero en un banco, variables claves para el crecimiento económico
de mediano y largo plazo (De Gregorio, 2007 y Mishkin 2014).

En una economía cerrada los factores monetarios internos son los que explican la
formación de las tasas de interés, por lo que la determinación de las tasas internas
de interés dependerá de las condiciones existentes en el mercado de dinero y de
las expectativas de inflación.

De acuerdo con la paridad de Fisher, las tasas de interés nominales para una
economía cerrada se determinan de la manera siguiente:

𝑖𝑡 = 𝑟𝑡 + 𝜋𝑡𝑒

Dónde 𝑖𝑡 es la tasa de interés nominal, 𝑟𝑡 es la tasa de interés real y 𝜋𝑡𝑒 es la tasa

de inflación esperada.

En el caso de una economía abierta, donde existe libre movilidad de capitales y

agentes con aversión al riesgo, la tasa interna será determinada por la tasa
externa relevante, las expectativas de depreciación del tipo de cambio y el premio

7
por riesgo país. El arbitraje entre las tasas de interés permite determinar la tasa
de interés interna a través de la paridad descubierta de tasas6:

𝑖𝑡 = 𝑖𝑡∗ + 𝛿𝑡𝑒 + 𝜗𝑡

En esta situación, la tasa de interés interna 𝑖𝑡 es determinada por la tasa externa

𝑖𝑡∗ , las expectativas de depreciación 𝛿𝑡𝑒 y por la prima por riesgo país 𝜗𝑡 .

No obstante, suponiendo que hay distorsiones en el mercado debido a problemas

de información, costos de ajuste y de cambio, la tasa de interés nominal debe
responder con ciertos rezagos a las variaciones en la tasa de interés externa y a
las expectativas de depreciación.

En términos generales, una gran parte de los trabajos relacionados con los
determinantes de las tasas de interés se enfocan en estas dos teorías; es decir
analizando tanto factores internos como externos, y algunos otros en una
combinación de ambos, basados únicamente en variables puramente
macroeconómicas (inflación, tipo de cambio, encaje legal, tasa de interés externa,
riesgo país, etc.)7. Sin embargo, existe otra vertiente que analiza el
comportamiento de las tasas de interés desde un punto de vista microeconómico,
tomando en consideración principalmente elementos propios de la industria
bancaria como cartera en mora, eficiencia administrativa, activos líquidos,
depósitos, solvencia y rentabilidad.

En ese sentido, para el caso de la economía hondureña se considera relevante

analizar los determinantes de la tasa de interés nominal, considerando factores
macroeconómicos y microeconómicos.

IV. EVIDENCIA EMPÍRICA

Varios estudios realizados para economías latinoamericanas han encontrado

evidencia que señala como principales determinantes de las tasas de interés las
variables siguientes: la inflación interna y externa, la estructura de costos de los
bancos, la depreciación del tipo de cambio nominal, la tasa de interés
internacional, el nivel de déficit fiscal y de cuenta corriente, el riesgo país, la tasa
de encaje legal, el riesgo crediticio, el nivel de liquidez bancaria y la captación de
recursos.

6 De acuerdo con la paridad descubierta de tasas de interés, el diferencial de intereses entre dos países debería ser igual,
en promedio, a la variación esperada de la tasa de cambio. Por ejemplo, si un país A tiene un tipo de interés del 1%, y un
país B tiene un tipo de interés del 2%, podemos deducir que la moneda del país B va a depreciarse en al menos un 1% en
el siguiente mes, año o período a los que hagan referencia dichas tasas de interés.

7 Por Ejemplo, Edwards y Khan 1985.

8
Para el caso de Colombia, Posada y Misas (1995) encuentran que en el período
1958-1992, los determinantes de la tasa media de interés en el largo plazo, han
sido principalmente la tasa real externa de interés y la tasa de inflación, mientras
que la tasa de devaluación presenta poca significancia en los movimientos de la
tasa de interés.

Hernández (2012) encontró que los movimientos de las tasas de interés de

préstamos hasta un año plazo en El Salvador se explican por los cambios
observados en la tasa de interés de los depósitos a plazo y el diferencial de tasas
de interés internas y externas. De acuerdo con el autor, el estudio muestra que
durante el período de la dolarización se cumple la hipótesis de la paridad de tasas
de interés internas y externas.

Callisperes, Clemente y Blanco, utilizando la metodología de datos de panel para

una muestra de 9 bancos de la economía boliviana, encuentran que los
determinantes más importantes de la tasa de interés en Bolivia son: la tasa de
Inflación, cartera en mora, Liquidez y tasa LIBOR.

Morales y Ham (2008), llevan a cabo un análisis para la economía mexicana, en el

cual los resultados indican que las variables económico-financieras que influyeron
en la determinación de la tasa de interés real en México durante el período 1998-
2005 son: el tipo de cambio, el riesgo país, el índice nacional de precios al
consumidor y la tasa de interés foránea.

V. METODOLOGÍA, ESTIMACIÓN Y RESULTADOS

Para la realización del modelo se utilizó la metodología econométrica propuesta

por Engle y Granger, la cual consta de dos etapas. En una primera etapa se estima
una relación de largo plazo entre la variable dependiente y sus determinantes por
medio de Mínimos Cuadrados Ordinarios (MICO), con el objetivo de encontrar un
vector de cointegración representado por los residuos de la ecuación. La segunda
etapa consiste en incluir en la relación de corto plazo los residuos obtenidos en la
relación de largo plazo rezagados un período, como mecanismo de corrección de
error.

Previo a la estimación del modelo, se eligió un conjunto de variables que de

acuerdo a la teoría económica influyen en la determinación de la tasa de interés:
la inflación interna, el déficit fiscal, el PIB, el déficit en cuenta corriente, los gastos
administrativos de los bancos, el encaje legal, la tasa de interés internacional, la
tasa de interés de las Letras del BCH, los depósitos bancarios, los activos líquidos
de los bancos, el tipo de cambio nominal, la mora bancaria y el M1 8. Se corrieron
diversas ecuaciones combinando en cada una de ellas todas las variables
mencionadas, a fin de encontrar las que mejor representaran los enunciados de la

8 Incluye efectivo en poder del público y depósitos a la vista.

9
teoría económica; no obstante, solo algunas de ellas resultaron significativas; a
continuación, se presenta un análisis gráfico de la relación entre dichas variables
y la tasa de interés activa sobre operaciones nuevas.

Determinación de la Inflación
Para determinar el nivel de inflación se utilizó la variación interanual del Índice
de Precios al Consumidor (IPC) base 2000 a fin de cada trimestre. Los datos
obtenidos corresponden a la serie trimestral desde el 2000 hasta el 2016, la
relación con respecto la tasa de interés se espera que sea positiva, (∂IPC/∂r>0). Si
bien, de acuerdo con el gráfico no se observa una relación tan estrecha entre estas
variables, si se muestra que hay correlación positiva, aunque no tan fuerte como
se esperaría de acuerdo a la teoría, por lo que el signo del coeficiente a estimar
debe tener signo positivo.

Tasa de Interés e Inflación

(Variación Interanual)
50 16
Tasa de Interés-eje izquierdo
40 14
Inflación-eje derecho
30 12
20 10
10 8
0 6
-10 4
-20 2
-30 0
2002Q4

2004Q2

2005Q4

2007Q2
2007Q4

2008Q4
2009Q2

2010Q2
2010Q4

2011Q4
2012Q2

2013Q2
2013Q4

2014Q4
2015Q2

2016Q2
2003Q2
2003Q4

2004Q4
2005Q2

2006Q2
2006Q4

2008Q2

2009Q4

2011Q2

2012Q4

2014Q2

2015Q4

Fuente: El a bora ci ón propi a con da tos del BCH.

Oferta Monetaria (M1)

Como definición de oferta monetaria se utilizó la variación interanual del
agregado monetario M1. De acuerdo a la aproximación teórica se espera una
relación negativa entre esta variable y la tasa de interés, ya que a mayor nivel de
liquidez en la economía la tasa de interés debe ser menor por lo que ∂M1/∂r<0.

10
 Tasa de Interés y M1
(Variación Interanual)
50 30
Tasa de Interés-eje izquierdo 25
40
M1-eje derecho
30 20
15
20
10
10
5
0
0
-10 -5
-20 -10
-30 -15
2003Q2
2003Q4

2004Q4

2005Q4
2006Q2

2007Q2

2008Q2
2008Q4

2009Q4

2010Q4
2011Q2

2012Q2

2013Q2
2013Q4

2014Q4

2016Q2
2002Q4

2004Q2

2005Q2

2006Q4

2007Q4

2009Q2

2010Q2

2011Q4

2012Q4

2014Q2

2015Q2
2015Q4
Fuente: Elaboración propia con datos del BCH.

En el gráfico anterior se observa que el comportamiento entre la tasa de interés y

el agregado monetario M1 es opuesto, es decir un aumento de la liquidez induce a
una menor tasa de interés y viceversa, cumpliendo con lo estipulado teóricamente.

Gastos Administrativos
Para los gastos administrativos se utilizó la información proveniente de la base
de datos de la Comisión Nacional de Bancos y Seguros (CNBS), correspondiendo
al flujo de gastos de fin de cada trimestre. Dado que mayores gastos reducen la
rentabilidad de los bancos, estos tendrían que compensarse con mayores ingresos
vía aumentos en la tasa de interés, por lo que se espera una relación positiva entre
estas dos variables ∂Gadmin/∂r>0.

Tasa de Interés y Gastos Administrativos

(Variación Interanual)
50 50
Tasa de Interés-Eje Izquierdo
40
Gastos Administrativos-Eje Derecho 40
30
30
20

10 20

0
10
-10
0
-20

-30 -10
2002Q4
2003Q2

2004Q2
2004Q4

2005Q4
2006Q2

2007Q2
2007Q4

2009Q2

2010Q4

2012Q2

2013Q4

2015Q2
2003Q4

2005Q2

2006Q4

2008Q2
2008Q4

2009Q4
2010Q2

2011Q2
2011Q4

2012Q4
2013Q2

2014Q2
2014Q4

2015Q4
2016Q2

Fuente: El a bora ci ón propi a con da tos de l a CNBS y del BCH.

11
Al igual que con la inflación la relación entre los gastos administrativos y la tasa
de interés no es fuerte según lo mostrado en el gráfico; sin embargo, se espera que
el signo del coeficiente a estimar sea positivo.

Activos Líquidos9
Para la serie de activos líquidos de los bancos se utilizó información proveniente
de las bases de datos de la CNBS, correspondiendo al saldo de fin de cada
trimestre. Se esperaría que la relación entre las dos variables sea negativa, en
vista que mayor disponibilidad de recursos debería traducirse en una menor tasa
de interés ∂Abliq/∂r<0. Según lo mostrado en el gráfico se puede apreciar que las
tasas de interés y los activos líquidos de los bancos en la mayor parte del período
varían de acuerdo a la teoría, ya que una mayor liquidez por parte de los bancos
se traduce en más oferta de recursos y por ende en un menor precio del dinero.

Tasa de Interés y Activos Liquidos

(Variación Interanual)
50 70
Tasa de Interés-eje izquierdo
40 60
Activos Liquidos-eje derecho
50
30
40
20
30
10
20
0
10
-10
0
-20 -10

-30 -20
2002Q4
2003Q2

2004Q2
2004Q4

2005Q4
2006Q2

2007Q2
2007Q4

2009Q2

2010Q4

2012Q2

2013Q4

2015Q2
2003Q4

2005Q2

2006Q4

2008Q2
2008Q4

2009Q4
2010Q2

2011Q2
2011Q4

2012Q4
2013Q2

2014Q2
2014Q4

2015Q4
2016Q2
Fuente: El a bora ci ón propi a con da tos de l a CNBS y del BCH.

Especificación del Modelo Econométrico

Para la estimación del modelo se utilizó información trimestral desde el 2000:Q1

hasta el 2016:Q2, para las variables: Tasa de Interés Activa Nominal (TIA),
Gastos Administrativos del Sistema Bancario (Gadmin), Tasa de Inflación,
Activos Líquidos del Sistema Bancario (Abliq) y el Agregado Monetario (M1);
siendo importante mencionar que en la especificación de las diferentes ecuaciones
se incluyó el tipo de cambio nominal y el encaje legal; sin embargo, éstos no
resultaron significativos. Las variables que finalmente fueron incluidas en las
ecuaciones están expresadas en logaritmos; adicionalmente, se aplicó un ajuste
estacional10 a la inflación, Gadmin, Abliq y M1.

9 Incluye: caja, depósitos en el banco central, depósitos en bancos del interior, cheques y valores al cobro, cheques a
compensar, inversiones en letras del BCH y valores garantizados por el gobierno.
10 En términos generales, toda serie de tiempo está compuesta por cuatro elementos: la tendencia, la variación cíclica, la

variación irregular y la estacionalidad. El componente estacional, refleja las fluctuaciones periódicas que ocurren en el año,
por lo general, en la misma fecha y con similar intensidad. Por lo tanto, con la serie desestacionalizada, los agentes

12
En primer lugar, se procedió a realizar el test de raíz unitaria a las series
aplicando los test de Dickey Fuller Aumentado (ADF), Phillips Perron (PP) y
Kwiatkousky, Phillips, Smichdt y Shin (KPSS). Las primeras dos pruebas están
basadas en la hipótesis nula de la existencia de raíz unitaria, mientras la tercera
asume estacionariedad de las series. De acuerdo con las pruebas todas las
variables en niveles son integradas de orden 1, I(1), por lo que se procedió a
especificar el modelo econométrico de largo plazo (también llamado regresión de
cointegración11) por el método de Mínimos Cuadrados Ordinarios.

TEST DE RAÍZ UNITARIA

Prueba KPSS
Prueba ADF Prueba PP
Variables y Nivel
de Significancia Niveles 1a Diferencia
Niveles 1a Diferencia Niveles 1a Diferencia

LTIA -2.687119 I (1) -5.504147 I (0) -2.190524 I (1) -5.52245 I (0) 0.483010 I (0) 0.113023 I (1)
Nivel de 1% -3.550396 -3.550396 -3.548208 -3.550396 0.739000 0.739000
Nivel de 5% -2.913549 -2.913549 -2.912631 -2.913549 0.463000 0.463000
Nivel de 10% -2.594521 -2.594521 -2.594027 -2.594521 0.347000 0.347000
LM1_S -2.109692 I (1) -7.185411 I (0) -1.982425 I (1) -7.25269 I (0) 0.916247 I (0) 0.308437 I (1)
Nivel de 1% -3.548208 -3.550396 -3.548208 -3.550396 0.739000 0.739000
Nivel de 5% -2.912631 -2.913549 -2.912631 -2.913549 0.463000 0.463000
Nivel de 10% -2.594027 -2.594521 -2.594027 -2.594521 0.347000 0.347000
LGADMIN_S -0.592361 I (1) -14.25972 I (0) -0.444784 I (1) -14.33728 I (0) 0.934039 I (0) 0.147316 I (1)
Nivel de 1% -3.550396 -3.550396 -3.548208 -3.550396 0.739000 0.739000
Nivel de 5% -2.913549 -2.913549 -2.912631 -2.913549 0.463000 0.463000
Nivel de 10% -2.594521 -2.594521 -2.594027 -2.594521 0.347000 0.347000
LIPC_S -2.470299 I (1) -4.157497 I (0) -2.921847 I (1) -4.25351 I (0) 0.944338 I (0) 0.559022 I (1)
Nivel de 1% -3.550396 -3.550396 -3.548208 -3.550396 0.739000 0.739000
Nivel de 5% -2.913549 -2.913549 -2.912631 -2.913549 0.463000 0.463000
Nivel de 10% -2.594521 -2.594521 -2.594027 -2.594521 0.347000 0.347000
LABLIQ_S -2.337752 I (1) -5.135893 I (0) -1.933159 I (1) -5.329699 I (0) 0.922724 I (0) 0.249856 I (1)
Nivel de 1% -3.550396 -3.550396 -3.548208 -3.550396 0.739000 0.739000
Nivel de 5% -2.913549 -2.913549 -2.912631 -2.913549 0.463000 0.463000
Nivel de 10% -2.594521 -2.594521 -2.594027 -2.594521 0.347000 0.347000
Nota: Toda la pruebas se realizaron incluyendo la constante.

De las tres pruebas la más utilizada es el test ADF, en la cual suponiendo que 𝑌𝑡
es la serie que se quiere examinar (puede ser en niveles o en primeras diferencias),
el procedimiento adoptado es estimar la significancia del coeficiente asociado con
el valor rezagado de la serie que estamos probando 𝑌𝑡−1 de acuerdo con la siguiente
regresión:

económicos podrán formarse una idea más clara acerca de la dinámica verdadera que rige la evolución de la variable de
interés (Colección de Estudios CEPLAN No.38, diciembre de 1993, pp.59-94.)
11 Se dice que dos o más variables están cointegradas si existe una relación de largo plazo entre ellas. Para más detalles

ver: Series Integradas y Cointegradas: Una introducción. Álvaro Anchuelo, Revista de Economía Aplicada Número 1
(Volumen 1), 1993, págs. 151-164.

13
 𝑝

∆ 𝑌𝑡 = 𝛼0 + 𝛼1 𝑌𝑡−1 + ∑ 𝛾𝑗 ∆𝑌𝑡−𝑗 + 𝜀𝑡
𝑗=1

Donde 𝜀𝑡 para t = 1…, N se asume ruido blanco Gaussiano12. El número de

rezagos p, es elegido automáticamente por Eviews para asegurar que los errores
no están correlacionados. La prueba se basa en la afirmación que las series son no
estacionarias, si el test ADF muestra la hipótesis nula de que 𝛼1 = 0, entonces no
se puede rechazar la misma, contra la alternativa que 𝛼1 < 0, y por lo tanto la
serie es estacionaria. Se dice que las series son integradas de orden d, denotándola
como I(d), donde el orden de integración es el número de raíces unitarias
contenidas en la serie o el número de veces que hay que diferenciar la serie para
que sea estacionaria13.

Resultados
El resultado del modelo de largo plazo para la tasa de interés activa sobre
préstamos nuevos del sistema bancario, se presenta a continuación:

Ecuación de Largo Plazo14

Dependent Variable: LT IA
Method: Least Squares
Date: 01/11/17 T ime: 01:10
Sample: 2001Q4 2016Q2
Included observations: 59

Variable Coefficient Std. Error t-Statistic Prob.

C 6.812782 0.344394 19.78196 0.0000

LM1_S -0.921568 0.068461 -13.46118 0.0000
LGADMIN_S 0.272630 0.064359 4.236060 0.0001
LIPC_S 0.985622 0.203345 4.847046 0.0000
LABLIQ_S -0.191196 0.040511 -4.719583 0.0000
D07 -0.096031 0.020011 -4.798795 0.0000
D09 0.051853 0.023955 2.164650 0.0350

R-squared 0.952514 Mean dependent var 2.800356

Adjusted R-squared 0.947035 S.D. dependent var 0.138466
S.E. of regression 0.031867 Akaike info criterion -3.943512
Sum squared resid 0.052806 Schwarz criterion -3.697024
Log likelihood 123.3336 Hannan-Quinn criter. -3.847293
F-statistic 173.8448 Durbin-Watson stat 1.371901
Prob(F-statistic) 0.000000

12 El ruido blanco gaussiano es una señal aleatoria, caracterizada porque sus valores en instantes de tiempo distintos no
tienen relación alguna entre sí, es decir, no existe correlación estadística entre sus valores.
13 Onanuga, A. Toyin and Shittu, A.M.: Determinants of interest rates in Nigeria: An error correction model, Journal of

Economics and International Finance Vol. 2(12), pp. 261-271, November 2010.
14 Se comprobó que el modelo cumple con todos los supuestos del modelo de regresión lineal clásico. Ver anexos.

14
Donde15:

LTIA = Logaritmo de la tasa de interés activa nominal sobre operaciones

nuevas.
LM1_S = Logaritmo del agregado monetario M1.
LGADMIN_S = Logaritmo de los gastos administrativos del sistema bancario.
LIPC_S = Logaritmo del índice de precios al consumidor.
LABLIQ_S = Logaritmo de los activos líquidos del sistema bancario.
D07 = Variable Dummy para el 2007.
D09 = Variable Dummy para el 2009.

La ecuación de largo plazo muestra coeficientes significativos con el signo

esperado de acuerdo a la teoría económica y con valores consistentes en cuanto a
la magnitud de su impacto sobre la tasa de interés. Las variables que más
contribuyen en generar movimientos en la tasa de interés en el largo plazo son la
inflación, el agregado monetario M1, los activos líquidos de los bancos y los gastos
administrativos16.

Es importante mencionar que las pruebas de diagnóstico de la ecuación de largo

plazo muestran que la misma cumple con los criterios de autocorrelación,
normalidad y heteroscedasticidad; no obstante la prueba cusum 17 muestra cierta
inestabilidad que se corrige con el cusum cuadrado, así como en las pruebas para
la ecuación de corto plazo18.

Los residuos estimados sirven parar realizar contrastes de la existencia de

cointegración entre las variables de la ecuación, si es así los errores han de ser
estacionarios. Lo anterior, se puede comprobar aplicando los contrastes de raíces
unitarias antes descritos (ADF, PP, KPSS) a dichos residuos. La hipótesis nula es
que los residuos son I(1), es decir, no hay cointegración. La hipótesis alternativa,
que los residuos son I(0), que existe cointegración.
Null Hypothesis: RESID_CC2 has a unit root
Exogenous: Constant
Lag Length: 0 (Automatic - based on SIC, maxlag=10)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -5.574541 0.0000

Test critical values: 1% level -3.548208
5% level -2.912631
10% level -2.594027

*MacKinnon (1996) one-sided p-values.

15 Subfijo_s indica variables desestacionalizadas.

16 Pineda 2010, en su trabajo “Determinantes del Spread Bancario en Honduras”, encuentra que los gastos administrativos
es la variable que más influyen en dicho spread.
17 La prueba cusum se utiliza para verificar la estabilidad de los coeficientes, principalmente cuando se quieren realizar

proyecciones, las cuales pueden resultar erróneas al no cumplirse esta condición.

18 Ver Anexos.

15
De acuerdo con la prueba ADF se rechaza la hipótesis nula de raíz unitaria, por
lo que se concluye que los residuos son estacionarios y por lo tanto se comprueba
la existencia de una relación de largo plazo entre las variables de la ecuación.

Ecuación de Corto Plazo

Siguiendo la metodología de Engle y Granger, para modelar el comportamiento de
la tasa de interés en el corto plazo, se estimó el modelo en primeras diferencias
con las mismas variables de la ecuación de largo plazo y se agregaron otras que
pudieran afectar la trayectoria de la tasa de interés; asimismo, se incluyeron
rezagos de dos períodos para cada una de las variables y se incluyó como
mecanismo de corrección de errores los residuos de la ecuación de largo plazo
rezagados un período.

Para validar que los resultados obtenidos en el modelo de corto plazo cumplen con
los criterios que postula la teoría económica, se debe verificar que el coeficiente
que acompaña al mecanismo de corrección de errores tenga signo negativo y sea
significativo. Adicionalmente, cumpliendo con el procedimiento denominado de lo
general a lo específico19 se deben ir eliminando aquellas variables que no
presenten coeficientes significativos dentro de la ecuación.

Dependent Variable: D(LT IA)

Method: Least Squares
Date: 01/11/17 T ime: 01:09
Sample (adjusted): 2002Q3 2016Q2
Included observations: 56 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C -0.025977 0.009798 -2.651332 0.0107

D(LM1_S) -0.787326 0.128014 -6.150322 0.0000
D(LGADMIN_S) 0.198630 0.059635 3.330779 0.0016
D(LIPC_S(-1)) 1.979992 0.540955 3.660179 0.0006
RESID_CC2(-1) -0.584994 0.138206 -4.232767 0.0001
D(LMORA(-2)) 0.092355 0.040598 2.274850 0.0272

R-squared 0.637521 Mean dependent var -0.007830

Adjusted R-squared 0.601273 S.D. dependent var 0.047290
S.E. of regression 0.029861 Akaike info criterion -4.083556
Sum squared resid 0.044585 Schwarz criterion -3.866554
Log likelihood 120.3396 Hannan-Quinn criter. -3.999424
F-statistic 17.58779 Durbin-Watson stat 1.869855
Prob(F-statistic) 0.000000

En la ecuación se muestran las variables que resultaron significativas para

explicar las variaciones en la tasa de interés sobre operaciones nuevas en el corto
plazo, una vez llevado a cabo el procedimiento de eliminación antes descrito.
Asimismo, el coeficiente que acompaña al residuo de la ecuación de largo plazo
rezagado un período (-0.58), resultó con el signo esperado y estadísticamente
significativo.

19 Hendry 1995.

16
De conformidad con los resultados obtenidos, en el corto plazo la tasa de interés
activa sobre operaciones nuevas está influenciada principalmente por cambios en
la inflación ya que de acuerdo al coeficiente estimado por cada 1% que se
incrementa la inflación la tasa de interés lo hace en 1.9%; asimismo, contribuyen
en este comportamiento los gastos administrativos y en menor proporción la mora
del sistema bancario; por su parte el agregado monetario (M1) induce a
disminuciones en dicha tasa; en tanto, los activos líquidos de los bancos no
resultaron significativos en el corto plazo para explicar movimientos en la tasa de
interés.

Es importante mencionar que en términos generales los principales

determinantes de las tasas de interés activas sobre operaciones del sistema
bancario, tanto a largo como a corto plazo son la inflación, los gastos
administrativos de los bancos y el agregado monetario M1.

Asimismo, el tipo de cambio nominal y el encaje legal no resultaron relevantes en

ninguna de las ecuaciones que se estimaron.

Datos de Panel
Los modelos de datos de panel consisten en un conjunto de observaciones
conformadas por unidades de sección transversal (por ejemplo, individuos o
empresas) y a través de períodos de tiempo. En ese sentido la estructura esencial
que distingue estos modelos es su carácter bidimensional, una dimensión la
constituye la lista de individuos y otra la forman los diferentes instantes de
tiempo. Asimismo, pueden ser balanceados (el número de períodos incluidos en la
muestra es igual para todos los individuos) o desbalanceados (el número de
observaciones no es el mismo para todos los individuos).

En términos generales un modelo de datos de panel se puede especificar de la

manera siguiente:

𝑌𝑖𝑡 = 𝛽0 + 𝛽1 𝑥1𝑖𝑡 + 𝛽2 𝑥2𝑖𝑡 +. . . +𝛽𝑘 𝑥𝑘𝑖𝑡 + 𝑢𝑖𝑡

Siendo 𝑌𝑖𝑡 una función lineal que contiene 𝑘 variables explicativas 𝑥𝑘 , donde 𝑘 =
1, 2, … . , 𝐾; 𝑖 = 1,2 … , 𝑁; y 𝑡 = 1,2 … , 𝑁.

donde 𝑖 se refiere al individuo o a las unidades bajo análisis y 𝑡 la dimensión en

el tiempo y además 𝑢𝑖𝑡 es el término de error que representa los efectos de todas
las demás variables omitidas en el modelo.

La principal ventaja del análisis de datos de panel, es que permite capturar la

heterogeneidad no observable entre individuos bajo estudio (efectos individuales)
o a través del tiempo (efectos temporales), situación que no se puede observar en

17
modelos de series de tiempo ni de corte transversal. Los efectos individuales son
diferentes entre las distintas entidades y son invariables en el tiempo; en tanto
los efectos temporales afectan por igual a todas las unidades individuales del
estudio, pero no varían a lo largo del tiempo.

Los efectos individuales son los llamados efectos fijos, mientras que los temporales
son los efectos variables. El modelo de efectos fijos examina si el intercepto varía
entre individuos o entre períodos de tiempo mientras tanto el modelo de efectos
variables examina diferencias en la varianza del error. El primer modelo por lo
tanto incluye únicamente un set de variables Dummy relacionadas con la sección
cruzada (bancos, en este caso), mientras que el segundo modelo considera dos sets
de variables dummy (bancos y el período de tiempo). Si se asume que el
componente de error y las X’s no están correlacionadas el modelo de efectos
variables sería el apropiado, en tanto si están correlacionados prevalece el de
efectos fijos.

El test de Hausman (1978), es utilizado para elegir entre el modelo de efectos fijos
o efectos variables. La hipótesis nula de este test es que los estimadores del modelo
de efectos fijos y el de efectos variables no son sustancialmente diferentes. El test
estadístico desarrollado por Hausman contiene una distribución Chi-Cuadrada
asintótica, la hipótesis nula es, que el modelo de efectos aleatorios es el más
apropiado contra la alternativa a favor del de efectos fijos.

Correlated Random Effects - Hausman Test

Equation: PANEL_TIA
Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 43.460244 6 0.0000

De acuerdo a los resultados obtenidos mediante el test de Hausman podemos

concluir que, en el caso del modelo de datos de panel estimado para la tasa de
interés, el modelo de efectos fijos es el más apropiado en vista que se rechaza la
hipótesis nula a favor del de efectos aleatorios dado que el p-vale ≤ 0.05.

A continuación, se presenta el modelo de datos de panel elaborado para las tasas

de interés activa sobre operaciones nuevas del sistema bancario hondureño. La
muestra utilizada corresponde a 15 instituciones, las cuales fueron seleccionadas
de acuerdo a su constancia como parte del sistema durante los últimos 10 años.
Asimismo, es importante mencionar que para la estimación del modelo se
utilizaron las mismas variables incluidas en la metodología de Engle y Granger,
eliminando de la especificación aquellas que no resultaron significativas,
obteniéndose la ecuación siguiente:

18
 Dependent Variable: LTIA
Method: Panel EGLS (Cros s -s ection weights )
Date: 12/29/16 Tim e: 15:12
Sam ple (adjus ted): 3/01/2006 12/01/2015
Periods included: 40
Cros s -s ections included: 15
Total panel (unbalanced) obs ervations : 542
Linear es tim ation after one-s tep weighting m atrix

Variable Coefficient Std. Error t-Statis tic Prob.

C 3.888534 0.362343 10.73163 0.0000

LIPC 0.661070 0.092014 7.184463 0.0000
LM1 -0.479407 0.056820 -8.437297 0.0000
LABLIQ -0.055413 0.015723 -3.524319 0.0005
LENCAJE 0.081534 0.021009 3.880825 0.0001
LGADMIN 0.064236 0.021762 2.951751 0.0033
LMORA 0.049895 0.011691 4.267852 0.0000

Effects Specification

Cros s -s ection fixed (dum m y variables )

Weighted Statis tics

R-s quared 0.715098 Mean dependent var 3.293060

Adjus ted R-s quared 0.704161 S.D. dependent var 0.849657
S.E. of regres s ion 0.130666 Sum s quared res id 8.895332
F-s tatis tic 65.38493 Durbin-Wats on s tat 1.076712
Prob(F-s tatis tic) 0.000000

Unweighted Statis tics

R-s quared 0.775380 Mean dependent var 2.832110

Sum s quared res id 9.560147 Durbin-Wats on s tat 0.770018

De conformidad con los resultados obtenidos mediante el modelo de datos de

panel, se observa que las variables que más inciden en los movimientos de la tasa
de interés sobre operaciones nuevas son la tasa de inflación, el agregado
monetario M1 y en menor proporción el encaje legal, los gastos administrativos,
los activos líquidos y la mora bancaria. Es importante mencionar que los
resultados obtenidos mediante esta metodología difieren con la de Engle y
Granger únicamente en cuanto a que el encaje legal resultó significativo y con el
signo esperado, aunque la magnitud del coeficiente estimado es bastante pequeña.
En relación al resto de variables incluidas en la ecuación los resultados son
similares a los de las especificaciones por MICO.

Es de hacer notar que tanto bajo la metodología de Engle y Granger, como en la

de datos de panel las variables que muestran un mayor impacto en las variaciones
de la tasa de interés activa sobre operaciones nuevas son el agregado monetario
M1 y la tasa inflación. En este sentido, el comportamiento observado de estas
variables serían un buen indicador de hacia dónde se podría esperar que se sitúen
las tasas de interés del mercado en el mediano plazo, por lo que la autoridad
monetaria debería dar seguimiento a las mismas a fin de anticipar posibles
fluctuaciones no deseadas sobre la tasa de interés y de esta manera poder influir
en su trayectoria.

19
VI. CONCLUSIONES

1. Los factores que afectan la tasa de interés en el largo plazo en orden de

importancia son: la inflación, medida a través del IPC, el agregado monetario
M1, los gastos administrativos bancarios y los activos líquidos de los bancos.

2. En el corto plazo, entre las variables que influyen en la determinación de la

tasa de interés están: la tasa de inflación, el agregado monetario M1, los gastos
administrativos y la mora bancaria.

3. De acuerdo con los resultados obtenidos a través de la metodología de Engle y

Granger la tasa de encaje legal no resultó significativa en las ecuaciones de
corto y largo plazo como factores que influyen en la trayectoria de la tasa de
interés.

4. La estimación con datos de panel refuerza los resultados de la metodología de

Engle y Granger al encontrarse que las variables que influyen en las
variaciones de la tasa de interés son: la tasa de inflación, los gastos
administrativos, los activos líquidos, el agregado monetario M1 y la mora.
Adicionalmente, es importante mencionar que bajo esta especificación el
encaje legal si resultó significativo como variable que incide en las variaciones
en la tasa de interés, aunque marginalmente.

5. Los movimientos en el tipo de cambio nominal, tampoco resultaron

significativas como factor que influye en los cambios de la tasa de interés en
ninguna de las especificaciones realizadas; lo anterior podría obedecer a que
durante buena parte del período analizado el tipo de cambio se mantuvo fijo.

6. Dado que según los resultados el agregado monetario M1 y la tasa de inflación

son las variables que tienen un mayor impacto sobre la tasa de interés la
autoridad monetaria debería dar seguimiento a estas variables a fin de
anticipar posibles fluctuaciones no deseadas sobre la tasa de interés y de esta
manera poder influir en su trayectoria.

20
VII. BIBLIOGRAFÍA

Anchuelo, A. Series Integradas y Cointegración: Una Introducción. Revista de

Economía Aplicada Número 1 (Vol. I), 1993, págs.151 a 164, Universidad de
Salamanca.

Aportela, R. Fernando, Ardavín I. Juan Fernando y Cruz, A. Yyannú:

Comportamiento Histórico de las Tasas de Interés Reales en México 1951-
2001.Documento de Investigación No.2001-05, Dirección General de Investigación
Económica, Banco de México.

Aracena, D. Francisco, Basch, H. Miguel y Valdez, P. Rodrigo: ¿Hay que

desestacionalizar el IPC?, Colección Estudios Cieplan No. 38 diciembre de 1993.
pp. 59-94.

Berument, H. and Malatyali K. Determinants of Interest Rate in Turkey, Russian

an East European Finance and Trade, Vol.37, No.1, January-February 2001. pp
5-16.

Calderón, G. DETERMINANTES DEL MARGEN DE INTERMEDIACIÓN

FINANCIERO EN GUATEMALA, SERIE CUADERNOS DE INVESTIGACIÓN
NÚM. 55, NOVIEMBRE 2000. CENTRO DE ESTUDIOS MONETARIOS
LATINOAMERICANOS.

Cobacho, T. Ma. Belén y Bosch M. Mariano. Contraste de Hipótesis con Datos de

Panel, Universidad Politécnica de Cartagena y London School of Economics.

Curti, D. La determinación y el traspaso de las tasas de interés. Una aproximación

macrobancaria. Documento de trabajo ISSN 1688-7565, Banco Central del
Uruguay.

De Gregorio, José, Macroeconomía Teoría y Políticas, 1ra. Edición 2007.

Edwards, S. La Relación entre las Tasas de Interés y el Tipo de Cambio Bajo un

Sistema de Cambio Flotante.

Edwards, S. and Khan, M.S. INTEREST RATE DETERMINATIONS IN

DEVELOPINGS COUNTRIES: A CONCEPTUAL FRAMEWORK. NATIONAL
BUREAU OF ECONOMIC RESEARCH. Working Paper No. 1531.

Esteve, V. y Tamarit, Cecilio, R. Determinantes de los Tipos de Interés Reales a

Largo Plazo en España. Revista de Economía Aplicada No. 5 (Vol. II), 1994, Págs.
27-50.

21
Ghasemi, A. y Rostami, M. DETERMINANTS OF INTEREST RATE SPREAD IN
BANKING INDUSTRY. ECOFORUM, Volume 5, Issue 1 (8), 2016.

Glen, P. Jenkings and Lin, Henry B.F.: The Determinants of the Nominal Interest
Rate, an empirical study of the Canadian Case.

Hernandez, A. Alfonso: El Salvador: Determinantes de la Tasa de Interés,

Documentos Ocasionales, Banco Central de Reserva de El Salvador, No.2012-03.

Hol, S. Determinants of long term interest rate in the Scandinavian countries.

Discussion Papers No. 469, August 2006 Statistics Norway, Research
Department.

Ireland, P. Long Term Interest Rates and Inflation: A Fisherian Approach.

Federal Reserve Bank of Richmond Economic Quarterly Volume 82/1 Winter
1996.

Kikut, A. y Torres, C. Variables Estacionales en los Modelos de Regresión: Una

Aplicación a la Demanda por Dinero de Costa Rica. Departamento de
Investigaciones Económicas. DIE- NT-0298, abril de 1998, Banco Central de Costa
Rica.

Labra, R. y Torrecillas, C. Guía CERO para datos de panel. Un enfoque práctico.

Mbao, F., Kapembwa, Ch., Mooka, O., Rasmussen T. and Sichalwe, J.

Determinants of Bank Lending Rates in Zambia: A balance Sheet Approach.
Working Paper WP/02/2014, Bank of Zambia.

Mehra, P. Yash: Some Key Empirical Determinants of Short Term Nominal

Interest Rate, Federal Reserve Bank of Richmond Economic Quarterly Volume
81/3 Summer 1995.

Misas, M., Oliveros, H. y Steiner, R. Inflación y Tasas de Interés en Colombia.

Ensayos sobre Política Económica. Revista ESPE, No. 22, Art. 04, Junio de 1992
Páginas 109-130.

Mishkin, S. Frederic, Moneda, Banca y Mercados Financieros.

Mishkin, S. Frederic and White, N. Eugene, UNPRECEDENTED ACTIONS:

THE FEDERAL RESERVE’S RESPONSE TO THE GLOBAL FINANCIAL
CRISIS IN HISTORICAL PERSPECTIVE. Working Paper 20737.

Montero. R (2013): Variables no estacionarias y cointegración. Documentos de

Trabajo en Economía Aplicada. Universidad de Granada. España.

22
Onanuga, A. Toyin and Shittu, A.M.: Determinants of interest rates in Nigeria:
An error correction model, Journal of Economics and International Finance Vol.
2(12), pp. 261-271, November 2010.

Paul K. Ranjit. Econometric Analysis Using Panel Data, I.A.S.R.I, Library

Avenue, New Dheli 110012.

Posadas C. Esteban and Misas A. Martha: La tasa de interés en Colombia 1958

1992.Ensayos Sobre Política Económica. Revista ESPE, No. 27, Art. 03, Junio de
1995 Páginas 63-94, Banco de la República de Colombia.

Rico, P. (1999): El Efecto Fisher y la Paridad de Interés Real Evidencia Para la

Economía Española, Instituto Valenciano de Investigaciones Económicas, S.A.,
septiembre de 1999.

Ruiz-Porras, A. Econometric Research With Panel Data: History, models and uses
in México.

Villalpando, M. y Guerrero R. Determinants of Banking Interest Rates and the

Bank Lending Channel in Mexico, 2001-2006. Banco de México.

Wooldridge, M.Jeffrey. Econometric Analysis of Cross Section and Panel Data,

The MIT Press, Cambridge, Massachusetts, London, England.

23
VIII. ANEXOS
Normalidad
Largo Plazo Corto Plazo

12 14
Series: Residuals Series: Residuals
Sample 2001Q4 2016Q2 12 Sample 2002Q3 2016Q2
10
Observations 59 Observations 56
10
8 Mean -6.79e-15 Mean -3.10e-18
Median 0.001415 8 Median 0.007040
6 Maximum 0.069290 Maximum 0.061468
Minimum -0.102745 6 Minimum -0.073268
Std. Dev. 0.030173 Std. Dev. 0.028472
4 Skewness -0.649042
Skewness -0.289007 4
Kurtosis 4.235907 Kurtosis 3.018000
2 2
Jarque-Bera 4.576356 Jarque-Bera 3.932477
Probability 0.101451 0 Probability 0.139982
0
-0.10 -0.08 -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06 -0.08 -0.06 -0.04 -0.02 0.00 0.02 0.04 0.06

La prueba de normalidad se basa en el supuesto que los errores se distribuyen

normalmente. La probabilidad asociada al estadístico Jarque-Bera debe ser mayor
a 5%, el sesgo (skewness) debe tender a cero y la Kurtosis cercana a 3.

Como se aprecia en los gráficos, en la ecuación de largo plazo la probabilidad es

de 0.10% y de 0.13% para el corto plazo, superior a 0.05 en ambos casos por lo que
se cumple el supuesto de normalidad. Asimismo, presentan una Kurtosis de 4.2 y
3.0 respectivamente.

Autocorrelación
Largo Plazo Corto Plazo

Breusch-Godfrey Serial Correlation LM Test: Breusch-Godfrey Serial Correlation LM Test:

F-statistic 3.148822 Prob. F(2,50) 0.0515 F-statistic 0.126175 Prob. F(2,48) 0.8818
Obs*R-squared 6.599939 Prob. Chi-Square(2) 0.0369 Obs*R-squared 0.292868 Prob. Chi-Square(2) 0.8638

El análisis de autocorrelación considera que los errores son independientes entre

sí, es decir que no existe relación entre los errores de períodos distintos. La
existencia de la misma, parte de la idea que los errores contienen cierta
persistencia y, por tanto, no se deben a factores puramente aleatorios, cuando
existe autocorrelación, el error cometido en un momento del tiempo está
“influenciado” por el error de períodos anteriores.

La hipótesis nula del test Breusch-Godfrey Serial Correlation LM test, asume la

ausencia de autocorrelación serial, es decir si el valor P > 5%, se acepta que no
hay autocorrelación. De acuerdo con los resultados, los valores p de la ecuación de
largo y corto plazo 0.0515 y 0.8818, respectivamente, son mayores al 5%, por lo
tanto, se descarta la existencia de autocorrelación. Asimismo, los correlogramas
muestran que los residuos caen dentro de las bandas de confianza.

24
 Date: 01/11/17 Time: 01:44
Date: 01/11/17 Time: 01:42 Sample: 2001Q4 2016Q2
Sample: 2001Q4 2016Q2 Included observations: 56
Included observations: 59 Q-statistic probabilities adjusted for 5 dynamic regressors

Autocorrelation Partial Correlation AC PAC Q-Stat Prob Autocorrelation Partial Correlation AC PAC Q-Stat Prob*

1 0.300 0.300 5.5984 0.018 1 0.052 0.052 0.1605 0.689

2 0.008 -0.090 5.6027 0.061 2 0.025 0.023 0.1994 0.905
3 -0.104 -0.088 6.2979 0.098 3 0.109 0.106 0.9224 0.820
4 -0.202 -0.159 8.9758 0.062 4 -0.035 -0.047 0.9973 0.910
5 -0.144 -0.048 10.366 0.066 5 -0.019 -0.019 1.0194 0.961
6 -0.115 -0.087 11.267 0.080 6 -0.139 -0.150 2.2765 0.893
7 0.048 0.083 11.428 0.121 7 0.163 0.195 4.0343 0.776
8 -0.055 -0.161 11.639 0.168 8 -0.022 -0.040 4.0677 0.851
9 -0.182 -0.190 14.035 0.121 9 0.022 0.058 4.0999 0.905
10 -0.051 0.018 14.226 0.163 10 0.131 0.073 5.3045 0.870
11 0.045 0.043 14.376 0.213 11 -0.067 -0.069 5.6279 0.897
12 0.030 -0.067 14.445 0.273 12 -0.176 -0.215 7.9045 0.793
13 0.020 -0.051 14.476 0.341 13 0.127 0.216 9.1168 0.764
14 -0.029 -0.101 14.544 0.410 14 0.058 0.024 9.3775 0.806
15 0.013 0.032 14.558 0.484 15 -0.007 0.050 9.3811 0.857
16 -0.087 -0.101 15.194 0.510 16 0.062 0.018 9.6906 0.882
17 -0.051 -0.047 15.416 0.566 17 -0.041 -0.122 9.8300 0.911
18 0.014 -0.061 15.434 0.632 18 -0.149 -0.222 11.738 0.860
19 -0.046 -0.087 15.627 0.682 19 -0.027 0.155 11.802 0.894
20 -0.066 -0.092 16.032 0.715 20 -0.051 -0.108 12.040 0.915
21 -0.157 -0.199 18.365 0.626 21 -0.068 0.024 12.464 0.926
22 -0.109 -0.150 19.526 0.613 22 -0.054 -0.035 12.745 0.940
23 0.014 -0.032 19.546 0.669 23 0.049 -0.039 12.978 0.952
24 0.079 -0.038 20.196 0.686 24 -0.027 -0.151 13.054 0.965

Heteroscedasticidad

Largo Plazo Corto Plazo

Heteroskedasticity Test: Breusch-Pagan-Godfrey Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic 1.587868 Prob. F(6,52) 0.1694 F-statistic 0.291065 Prob. F(5,50) 0.9157
Obs*R-squared 9.135880 Prob. Chi-Square(6) 0.1661 Obs*R-squared 1.583865 Prob. Chi-Square(5) 0.9032
Scaled explained SS 11.48204 Prob. Chi-Square(6) 0.0746 Scaled explained SS 1.274012 Prob. Chi-Square(5) 0.9376

El modelo de regresión lineal exige como hipótesis básica que la varianza de las
perturbaciones aleatorias, condicional a los valores de los regresores X, sea
constante. Esto es muy importante porque el análisis de regresión condicional de
“y” sobre “x” implica que, si se quiere obtener un parámetro de relación estable y
útil entre ambas variables, los valores muestrales de “y” deben mostrarse
igualmente dispersos ante variaciones de “x”.

La prueba de Breusch-Pagan-Godfrey, parte de la hipótesis nula que los errores

tienen igual varianza, si el valor P asociado a este estadístico es ≥ a 5%, se acepta
la ausencia de heteroscedasticidad. De acuerdo con los resultados, dados los
valores p de 0.16 y 0.91, para las ecuaciones de largo y corto plazo se descarta la
existencia de heteroscedasticidad es decir los errores poseen igual varianza.

25
 Estabilidad

Largo Plazo Corto Plazo

16 30

12
20
8
10
4

0 0

-4
-10
-8

-20
-12

-16 -30
2009 2010 2011 2012 2013 2014 2015 2016 04 05 06 07 08 09 10 11 12 13 14 15 16

CUSUM 5% Significance CUSUM 5% Significance

1.4
1.4
1.2
1.2
1.0
1.0
0.8
0.8
0.6
0.6
0.4
0.4
0.2
0.2
0.0
0.0
-0.2
-0.2
-0.4
-0.4
2009 2010 2011 2012 2013 2014 2015 2016
04 05 06 07 08 09 10 11 12 13 14 15 16

CUSUM of Squares 5% Significance

CUSUM of Squares 5% Significance

En las gráficas se observa que los test cusum en la ecuación de largo plazo
muestran cierta inestabilidad misma que se corrige en la ecuación de corto plazo,
en cuanto a la prueba de cusum cuadrado y las gráficas no se salen de las bandas
de confianza, con lo cual podemos concluir que los parámetros de ambas
ecuaciones son estables a un nivel de confianza del 95%.

26
Test de Coeficientes Recursivos Ecuación de Largo Plazo
8.0 -0.6 .5

7.5 -0.8 .4

7.0 -1.0 .3

6.5 -1.2 .2

6.0 -1.4 .1
II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II
2010 2011 2012 2013 2014 2015 2016 2010 2011 2012 2013 2014 2015 2016 2010 2011 2012 2013 2014 2015 2016

Recursive C(1) Estimates Recursive C(2) Estimates Recursive C(3) Estimates

± 2 S .E . ± 2 S .E . ± 2 S .E .

2.0 -.05 -.02

-.04
1.6 -.10
-.06
1.2 -.15 -.08

0.8 -.20 -.10

-.12
0.4 -.25
-.14

0.0 -.30 -.16

II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II
2010 2011 2012 2013 2014 2015 2016 2010 2011 2012 2013 2014 2015 2016 2010 2011 2012 2013 2014 2015 2016

Recursive C(4) Estimates Recursive C(5) Estimates Recursive C(6) Estimates

± 2 S .E . ± 2 S .E . ± 2 S .E .

.12

.08

.04

.00

-.04
II III IV I II III IV I II III IV I II III IV I II III IV I II III IV I II
2010 2011 2012 2013 2014 2015 2016

Recursive C(7) Estimates

± 2 S .E .

Test de Coeficientes Recursivos Ecuación de Corto Plazo

.1 0.5

0.0
.0

-0.5
-.1
-1.0
-.2
-1.5

-.3
-2.0

-.4 -2.5
04 05 06 07 08 09 10 11 12 13 14 15 16 04 05 06 07 08 09 10 11 12 13 14 15 16

Recursive C(1) Esti mates Recursi ve C(2) Esti mates

± 2 S.E. ± 2 S.E.

1.5 25

20
1.0
15
0.5 10

0.0 5

0
-0.5
-5

-1.0 -10
04 05 06 07 08 09 10 11 12 13 14 15 16 04 05 06 07 08 09 10 11 12 13 14 15 16

Recursive C(3) Esti mates Recursi ve C(4) Esti mates

± 2 S.E. ± 2 S.E.

0.4 .4

0.0 .3

-0.4 .2

-0.8 .1

-1.2 .0

-1.6 -.1

-2.0 -.2
04 05 06 07 08 09 10 11 12 13 14 15 16 04 05 06 07 08 09 10 11 12 13 14 15 16

Recursive C(5) Esti mates Recursi ve C(6) Esti mates

± 2 S.E. ± 2 S.E.

27
Datos de Panel

Normalidad
50
Series: Standardized Residuals
Sample 3/01/2006 12/01/2015
40 Observations 542

30 Mean 1.23e-18
Median 0.002014
Maximum 0.527240
20 Minimum -0.384462
Std. Dev. 0.128228
10
Skewness -0.100728
Kurtosis 3.224664

0 Jarque-Bera 2.056397
-0.375 -0.250 -0.125 0.000 0.125 0.250 0.375 0.500
Probability 0.357651

Heteroscedasticidad

Test for Equality of Variances of RESID

Categorized by values of RESID
Date: 01/11/17 Time: 02:10
Sample (adjusted): 3/01/2006 12/01/2015
Included observations: 542 after adjustments

Method df Value Probability

Bartlett 3 0.156393 0.9843

Levene (3, 538) 0.585662 0.6246
Brown-Forsythe (3, 538) 0.469288 0.7038

Category Statistics

Mean Abs. Mean Abs.

RESID Count Std. Dev. Mean Diff. Median Diff.
[-1, -0.5) 4 0.066949 0.049316 0.041721
[-0.5, 0) 261 0.078218 0.057240 0.055303
[0, 0.5) 276 0.077248 0.059706 0.057338
[0.5, 1) 1 NA 0.000000 0.000000
All 542 0.132933 0.058332 0.056137

28